应急情况下航班动态管理策略研究

杨 志 超

(天津市市政工程设计研究院，天津 300051)

。

。

。

s.t. ti≥DTi

ti-DTi≤TDmax

ti+1-ti≥Δmin

Vt≤Ds(t)

Et≤As(t)



应急情况下航班动态管理策略研究

杨 志 超

(天津市市政工程设计研究院，天津 300051)

建立了包括航空公司、机场、乘客三方利益最小化的应急状态下航班动态调整模型，通过模型对航班延误进行了评估，并采用遗传算法进行优化，为航空枢纽中心具体调度、应急管理提供基础支持与方法。

应急管理，航班，动态调整，遗传算法

0 引言

航空枢纽在出现航班延误情况时，如何快速地实时调整航班时刻表并及时调整航空枢纽的各个部分运营管理工作，是航空应急管理的核心内容。航班延误是一个复杂的综合调度过程，在实际工作中机场调度人员仅凭经验对航班进行调度往往是不实际的。

本文通过建立应急管理预案模块，建立包括航空公司、机场、乘客三方损失成本最小化的应急状态下航班动态调整模型。

1 航班应急管理原理

具体原理为:首先由于受到天气，交通管制，飞机与乘客可能的不正常状态等实时信息影响的航班时刻表做一个航空枢纽综合服务水平的预评价，若服务水平变化不大则不用优化，按照时刻表执行。否则依据航空枢纽的航班时刻表、实时信息以及本航空枢纽具体特点、各种约束，优化调整应急管理预案，迅速制定出优化调整后的时刻表。对此时刻表同样做一个航空枢纽综合服务水平的预评价，若服务水平没有提高则继续优化，否则执行优化调整后的时刻表。

2 航班动态调整模块

本文建立在航空枢纽服务水平综合评价以及机场仿真模型基础上，通过遗传算法寻求最优解。本模型变量定义：

F为航班的集合；J为管制区集合；T为可行的起飞时间段集合。 角标中i为航班下标；j为管制区下标；t为时间下标；本模型中1 min为一个离散化步长；k为飞机下标。

参数中DTi为航班i预计起飞时间；TDmax为最大延误时间；Sj(t)为t时刻管制区j的容量；Ds(t)为t时刻机场的起飞容量；As(t)为t时刻机场的降落容量；V为载客量；vi为航班i的实际载客人数；pi为航班i的票价；Et为等待在机场上空准备降落的飞机数；Vt为等待在机场起飞的飞机数；M为航班总数；g(k)为飞机k单位时间的延误成本；S为每位旅客单位时间的损失成本；Ci为取消航班i的成本(按照延误8 h的延误成本计算取消成本)；Hi为一位旅客的恢复成本(包括赔偿费、安置费、转签费)等[2,]3〗。

决策变量：

该模型表示为：

(1)

s.t.ti≥DTi

(2)

ti-DTi≤TDmax

(3)

ti+1-ti≥Δmin

(4)

Vt≤Ds(t)

(5)

Et≤As(t)

(6)

(7)

(8)

(9)

其中目标函数即式(1)表示追求加权总成本费用最小化，第1项、第2项为乘客费用，分别表示旅客失望溢出成本和旅客延误损失；第3项表示机场负担的恢复成本；第4项、第5项表示航空公司的延误成本和取消成本。w1，w2，w3分别为航班动态调整时决策者对旅客，机场，航空公司的权重，即偏重程度。

约束中式(2)表示航班i实际起降时间不能早于计划起降时间；式(3)表示航班延误时间不能超过飞机最长延误时间；式(4)为对相邻两架飞机起(降)时间间隔的约束；式(5)是t时刻等待起飞的飞机数量不能超过t时刻机场跑道的起飞容量；式(6)是t时刻 等待降落的飞机数量不能超过t时刻机场跑道的降落容量；式(7)是t时刻起飞的飞机数量不能超过管制区的容量；式(8)为变量约束。

考虑到本模型具体决策变量为0～1变量、仿真模型的复杂性，本文采用遗传算法对航班动态调整模型进行优化求解，具体步骤见图1。

3 实验案例及其分析

以天津机场某一天7：00～21：00的航班应急管理为例。假设7:30天津机场下雾，航班延误，预计在9:00恢复正常，可以重新安排起飞；8:00接到临时通知，当天11:02的飞机由于故障延误40 min起飞；12:00～15:30进行空中管制，不允许飞机进行起降。对于航班延误，机场规定最迟在当天24:00之前将延误航班起飞，不取消航班，不影响明天的航班运行。

假定机场在收到航班延误信息后，机场调度人员根据经验排出一个新航班时刻表。新时刻表是对延误的航班进行插空安排，不影响其他正常航班的起降。但是由于许多航班一直找不到合适的时间起飞，造成大量乘客长时间延误。 经过评价，新航班时刻表航空枢纽服务水平属于E级。不符合现实要求，需要进行优化。

假定航空枢纽在具体调整航班的时候对机场、航空公司、乘客平等看待，即w1∶w2∶w3=1∶1∶1，并且建立模型，其中S=1.5，Hi=2。采用遗传算法对其进行求解，其中群体规模MM=240，代沟GGAP=0.8，交叉概率JPc=70%，变异概率JPm=70%，最大迭代次数S=500。

具体目标函数每代最优值变化见图2，显然到第500代时，目标函数值即达到最优。

对优化调整后的航班时刻表进行航空枢纽综合服务水平预评价属于B级，明显优于调整前的E级,说明此方案可行。

对优化前后的部分航班延误时间做对比，对比结果如表1所示。

表1 改进后预测结果

从表1可以明显看出，优化后的航班总延误时间远远小于优化调整前的航班总延误时间。优化前的航班时刻表大大延长了延误航班旅客的等待时间，增加了机场的客流。优化后的时刻表虽然影响了部分正常航班的起降时间，但是大大降低了延误航班旅客的等待时间，减少了机场、航空公司的延误成本。

根据航班时刻表和各航班人数，绘制天津机场正常状态下、突发事件优化前以及优化后的乘客流仿真图，如图3～图5所示。

比较图3～图5可以看出，优化调整后的客流疏散速度明显高于优化前的。优化结果不仅降低了旅客的延误时间，缓解了机场内客流的拥堵现象，提高了航空枢纽的综合服务水平，同时追求旅客，机场和航空公司损失成本的最小化。

4 结语

本文通过模型，得出了较经验安排更优的应急状况下航班动态调整策略。经验证，该策略全面系统地考虑了航空公司、机场、旅客三方的利益，值得进一步的研究与推广。

[1]高 凯.民航机场灾害预警管理方法研究.武汉：武汉理工大学，2006.

[2]苏道明.机场竞争力评价指标体系的构建.中国民航飞行学院学报，2011(1)：29-30.

[3]Alumur S,Kara B Y.Network hub location problems:the state of the art.European Journal of Operational Research，2008(5)：61-62.

[4]赵振勇,王 力,王保华,等.遗传算法改进策略的研究.计算机应用，2006(S2)：35-36.

Study on dynamic flight management strategies under emergent conditions

Yang Zhichao

(TianjinAcademyofMunicipalEngineeringDesign,Tianjin300051,China)

The paper establishes emergent dynamic flight adjustment model under minimum benefit of airline company, airport and passenger, assesses its flight delay with models, makes an optimization by applying genetic algorithm, which has provided some support and methods for specific adjustment and emergent management of airline hub center.

emergent management, flight, dynamic adjustment, genetic algorithm

1009-6825(2015)01-0247-03

2014-10-31

杨志超(1986- )，男，硕士，助理工程师

V355

A